CN114187498A - 遮挡检测方法及装置、电子设备和存储介质 - Google Patents
遮挡检测方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN114187498A CN114187498A CN202111512423.8A CN202111512423A CN114187498A CN 114187498 A CN114187498 A CN 114187498A CN 202111512423 A CN202111512423 A CN 202111512423A CN 114187498 A CN114187498 A CN 114187498A
- Authority
- CN
- China
- Prior art keywords
- video frame
- detected
- image block
- image
- target image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 79
- 238000003860 storage Methods 0.000 title claims abstract description 25
- 238000003708 edge detection Methods 0.000 claims abstract description 72
- 238000000034 method Methods 0.000 claims abstract description 53
- 230000008859 change Effects 0.000 claims abstract description 52
- 230000002159 abnormal effect Effects 0.000 claims abstract description 49
- 238000010586 diagram Methods 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 description 21
- 230000000903 blocking effect Effects 0.000 description 18
- 238000005516 engineering process Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 238000012544 monitoring process Methods 0.000 description 7
- 230000005856 abnormality Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000010295 mobile communication Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Studio Devices (AREA)
Abstract
本公开涉及一种遮挡检测方法及装置、电子设备和存储介质,所述方法包括:根据当前视频帧中多个待检测图像块的图像特征统计图,与参考视频帧中多个参考图像块的图像特征统计图,确定所述当前视频帧中是否存在相对于所述参考视频帧出现图像特征统计图变化异常的目标待检测图像块;在确定所述当前视频帧中存在所述目标待检测图像块的情况下,对所述目标待检测图像块进行边缘检测,得到所述目标待检测图像块的边缘检测结果;根据所述边缘检测结果,确定采集所述当前视频帧的图像采集设备是否存在遮挡。本公开实施例可以有效实现对图像采集设备的遮挡检测。
Description
技术领域
本公开涉及计算机视觉技术领域,尤其涉及一种遮挡检测方法及装置、电子设备和存储介质。
背景技术
智能监控系统目前已广泛应用于国民生活的各个领域。智能监控系统的监控区域,在图像采集设备(例如,摄像头)安装时做了初始设定和调整。如果图像采集设备被遮挡,将导致智能监控系统无法达到预期的监控效果。因此,对图像采集设备进行遮挡检测对于智能监控系统来说至关重要。
发明内容
本公开提出了一种遮挡检测方法及装置、电子设备和存储介质的技术方案。
根据本公开的一方面,提供了一种遮挡检测方法,包括:根据当前视频帧中多个待检测图像块的图像特征统计图,与参考视频帧中多个参考图像块的图像特征统计图,确定所述当前视频帧中是否存在相对于所述参考视频帧出现图像特征统计图变化异常的目标待检测图像块;在确定所述当前视频帧中存在所述目标待检测图像块的情况下,对所述目标待检测图像块进行边缘检测,得到所述目标待检测图像块的边缘检测结果;根据所述边缘检测结果,确定采集所述当前视频帧的图像采集设备是否存在遮挡。
在一种可能的实现方式中,所述根据当前视频帧中多个待检测图像块的图像特征统计图,与参考视频帧中多个参考图像块的图像特征统计图,确定所述当前视频帧中是否存在相对于所述参考视频帧出现图像特征统计图变化异常的目标待检测图像块,包括:确定所述当前视频帧中每个待检测图像块的图像特征统计图,与所述参考视频帧中对应的每个参考图像块的图像特征统计图之间的相似度;在存在相似度低于相似度阈值的待检测图像块的情况下,将相似度低于所述相似度阈值的待检测图像块,确定为所述目标待检测图像块。
在一种可能的实现方式中,所述对所述目标待检测图像块进行边缘检测,得到所述目标待检测图像块的边缘检测结果,包括:对所述目标待检测图像块进行图像灰度转换,得到所述目标待检测图像块的灰度图;对所述灰度图进行边缘检测,确定所述目标待检测图像块的图像块边缘值;根据所述图像块边缘值和所述灰度图对应的平均灰度值,确定所述目标待检测图像块的边缘值方差;将所述目标待检测图像块的边缘值方差,确定为所述边缘检测结果。
在一种可能的实现方式中,所述根据所述边缘检测结果,确定采集所述当前视频帧的图像采集设备是否存在遮挡,包括:根据所述目标待检测图像块的边缘值方差,以及所述参考视频帧中对应的参考图像块的边缘值方差,确定所述目标待检测图像块是否相对于所述参考视频帧中对应的参考图像块出现边缘值方差剧减;在确定所述目标待检测图像块出现边缘值方差剧减的情况下,确定所述图像采集设备中所述目标待检测图像块对应的采集区域存在遮挡。
在一种可能的实现方式中,所述根据所述目标待检测图像块的边缘值方差,以及所述参考视频帧中对应的参考图像块的边缘值方差,确定所述目标待检测图像块是否相对于所述参考视频帧中对应的参考图像块出现边缘值方差剧减,包括:确定所述目标待检测图像块的边缘值方差,与所述参考视频帧中对应的参考图像块的边缘值方差之间的边缘值方差比例;在所述边缘值方差比例低于方差比例阈值的情况下,确定所述目标待检测图像块出现边缘值方差剧减。
在一种可能的实现方式中,所述方法还包括:确定所述当前视频帧之后第一采集时长内的各视频帧内,是否均存在相对于所述参考视频帧出现图像特征统计图变化异常且边缘值方差剧减的所述目标待检测图像块;在确定所述当前视频帧之后所述第一采集时长内的各视频帧内,均存在相对于所述参考视频帧出现图像特征统计图变化异常且边缘值方差剧减的所述目标待检测图像块的情况下,生成遮挡告警信息。
在一种可能的实现方式中,所述在确定所述当前视频帧之后所述第一采集时长内的各视频帧内,均存在相对于所述参考视频帧出现图像特征统计图变化异常且边缘值方差剧减的所述目标待检测图像块的情况下,生成遮挡告警信息,包括:根据出现图像特征统计图变化异常且边缘值方差剧减的所述目标待检测图像块,确定所述图像采集设备的遮挡区域占比;在所述遮挡区域占比高于遮挡区域占比阈值的情况下,生成所述遮挡告警信息。
在一种可能的实现方式中,所述方法还包括:在确定所述当前视频帧中不存在所述目标待检测图像块的情况下,确定所述当前视频帧之前第二采集时长内的各视频帧内,是否均不存在相对于所述参考视频帧出现图像特征统计图变化异常的所述目标待检测图像块;在确定所述当前视频帧之前所述第二采集时长内的各视频帧内,均不存在相对于所述参考视频帧出现图像特征统计图变化异常的所述目标待检测图像块的情况下,将所述当前视频帧,确定为更新后的参考视频帧。
在一种可能的实现方式中,所述图像特征统计图为图像直方图。
根据本公开的一方面,提供了一种遮挡检测装置,包括:第一确定模块,用于根据当前视频帧中多个待检测图像块的图像特征统计图,与参考视频帧中多个参考图像块的图像特征统计图,确定所述当前视频帧中是否存在相对于所述参考视频帧出现图像特征统计图变化异常的目标待检测图像块;边缘检测模块,用于在确定所述当前视频帧中存在所述目标待检测图像块的情况下,对所述目标待检测图像块进行边缘检测,得到所述目标待检测图像块的边缘检测结果;第二确定模块,用于根据所述边缘检测结果,确定采集所述当前视频帧的图像采集设备是否存在遮挡。
根据本公开的一方面,提供了一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
根据本公开的一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。
在本公开实施例中,根据当前视频帧中多个待检测图像块的图像特征统计图,与参考视频帧中多个参考图像块的图像特征统计图,对当前视频帧进行初步遮挡检测,确定当前视频帧中是否存在相对于参考视频帧出现图像特征统计图变化异常的目标待检测图像块,进而仅对出现图像特征统计图变化异常的目标待检测图像块进行边缘检测,从而可以有效降低遮挡检测的算力需求,根据边缘检测结果,可以确定采集当前视频帧的图像采集设备是否存在遮挡,从而有效实现对图像采集设备的遮挡检测。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开。根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的一种遮挡检测方法的流程图;
图2示出根据本公开实施例的视频帧中多个图像块的示意图;
图3示出根据本公开实施例的待检测图像块及其图像直方图的示意图;
图4示出根据本公开实施例的一种遮挡检测系统的流程图;
图5示出根据本公开实施例的一种遮挡检测装置的框图;
图6示出根据本公开实施例的一种电子设备的框图;
图7示出根据本公开实施例的一种电子设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外,为了更好地说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
图1示出根据本公开实施例的一种遮挡检测方法的流程图。该遮挡检测方法可以由终端设备或服务器等电子设备执行,终端设备可以为用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal DigitalAssistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等,该遮挡检测方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。或者,可通过服务器执行该遮挡检测方法。如图1所示,该遮挡检测方法可以包括:
在步骤S11中,根据当前视频帧中多个待检测图像块的图像特征统计图,与参考视频帧中多个参考图像块的图像特征统计图,确定当前视频帧中是否存在相对于参考视频帧出现图像特征统计图变化异常的目标待检测图像块。
获取需要进行遮挡检测的图像采集设备采集的视频流,对视频流中的各视频帧在时序上进行遮挡检测。图像采集设备可以是智能监控系统中的摄像头、摄像机、具有图像采集功能的终端等,本公开对此不作具体限定。
当前视频帧和参考视频帧是图像采集设备采集的视频流中的两个视频帧。当前视频帧是图像采集设备当前时刻采集得到的视频帧,参考视频帧的采集时刻在当前视频帧之前。
为了有效检测图像采集设备,例如相机,摄像头等是否存在局部遮挡,基于相同的图像分块规则,对遮挡检测的各视频帧均进行图像分块,以使得根据图像块可以确定视频帧的局部图像特征(例如,局部区域的图像特征统计图),进而利用视频帧的局部图像特征,有效检测图像采集设备是否存在局部遮挡。
后文会结合本公开可能的实现方式,对基于相同的图像分块规则,对遮挡检测的各视频帧均进行图像分块的具体过程作详细描述,此处不作赘述。
根据当前视频帧中多个待检测图像块的图像特征统计图,与参考视频帧中多个参考图像块的图像特征统计图,可以确定当前视频帧中是否存在相对于参考视频帧出现图像特征统计图变化异常的目标待检测图像块,从而可以对图像采集设备进行初步的遮挡检测,以确定相对于参考视频帧的采样时刻,图像采集设备在当前时刻是否出现遮挡。
后文会结合本公开可能的实现方式,对确定当前视频帧中多个待检测图像块的图像特征统计图、确定参考视频帧中多个参考图像块的图像特征统计图、以及确定当前视频帧中是否存在相对于参考视频帧出现图像特征统计图变化异常的目标待检测图像块的具体过程作详细描述,此处不作赘述。
在步骤S12中,在确定当前视频帧中存在目标待检测图像块的情况下,对目标待检测图像块进行边缘检测,得到目标待检测图像块的边缘检测结果。
在确定当前视频帧中存在出现图像特征统计图变化异常的目标待检测图像块的情况下,可以初步确定图像采集设备中存在遮挡,为了进一步提高检测精度,降低出现误判的概率,对出现图像特征统计图变化异常的目标待检测图像块进行边缘检测。后文会结合本公开可能的实现方式,对边缘检测的具体过程作详细描述,此处不作赘述。
在步骤S13中,根据边缘检测结果,确定采集当前视频帧的图像采集设备是否存在遮挡。
根据对出现图像特征统计图变化异常的目标待检测图像块进行边缘检测的边缘检测结果,可以有效检测图像采集设备是否存在遮挡,提高检测精度。后文会结合本公开可能的实现方式,对如何根据边缘检测结果,确定采集当前视频帧的图像采集设备是否存在遮挡的具体过程作详细描述,此处不作赘述。
在本公开实施例中,根据当前视频帧中多个待检测图像块的图像特征统计图,与参考视频帧中多个参考图像块的图像特征统计图,对当前视频帧进行初步遮挡检测,确定当前视频帧中是否存在相对于参考视频帧出现图像特征统计图变化异常的目标待检测图像块,进而仅对出现图像特征统计图变化异常的目标待检测图像块进行边缘检测,从而可以有效降低遮挡检测的算力需求,根据边缘检测结果,可以确定采集当前视频帧的图像采集设备是否存在遮挡,从而有效实现对图像采集设备的遮挡检测。
在一种可能的实现方式中,对图像采集设备进行遮挡检测的过程中,利用相同的图像分块规则,对图像采集设备采集的视频流中各视频帧进行图像分块,得到各视频帧中的多个图像块。
利用相同的图像分块规则对各视频帧进行图像分块,使得通过对不同视频帧中相同位置处的图像块进行对比,可以实现对不同视频帧中局部图像特征的比对,从而有效对图像采集设备是否出现局部遮挡进行检测。
在一示例中,图像分块规则可以是将视频帧平均分成预设数目的图像块。例如,图像分块规则是将视频帧平均分成9个图像块,此时,将视频帧的长和宽除以3。假设视频帧大小为10×10,长和宽不能整出3,即存在余数1,则舍弃掉余数1行和1列,得到均分后的9个图像块,每个图像块大小为3×3。
图像分块规则除了可以是上述将视频帧平均分成预设数目的图像块之外,还可以根据实际需求,设置其它的图像分块规则,本公开对此不作具体限定。
视频帧进行图像分块之后,得到的图像块的块数,也可以根据实际需求进行设置,本公开对此不作具体限定。
图2示出根据本公开实施例的视频帧中多个图像块的示意图。如图2所示,针对图像采集设备采集的一个视频帧进行图像分块后,得到9个图像块。
在一种可能的实现方式中,接入图像采集设备采集的视频流,启动对图像采集设备的遮挡检测流程。在遮挡检测的初始化阶段,将图像采集设备采集的第1个视频帧确定为参考视频帧。按照预设图像分块规则,对第1个视频帧进行图像分块,得到参考视频帧中的参考图像块。
确定参考视频帧中每个参考图像块的图像特征统计图,以及对每个参考图像块进行边缘检测,得到每个参考图像块的边缘检测结果。将参考视频帧中每个参考图像块的图像特征统计图以及边缘检测结果,用于作为对后续视频帧进行遮挡检测的参考。
在一种可能的实现方式中,图像特征统计图为图像直方图。
由于图像直方图可以直观地反映图像特征的频数分布,因此,利用图像直方图可以快速对当前视频帧进行初步遮挡检测。
图像特征统计图除了可以是直方图之外,还可以根据实际情况,选择其它形式的统计图,本公开对此不作具体限定。
下面以图像特征统计图为图像直方图为例,对遮挡检测过程作详细描述。此时,图像特征统计图变化异常,也即图像直方图变化异常。
其中,图像直方图可以是对图像颜色特征的统计图,例如,图像直方图可以是基于红绿蓝(Red Green Blue,RGB)颜色空间的图像颜色直方图、可以是基于色调饱和度明度(Hue Saturation Value,HSV)颜色空间的图像颜色直方图;图像直方图还可以是对图像灰度特征的统计图,例如,图像直方图可以是基于灰度空间的图像灰度直方图,本公开对此不作具体限定。
本公开实施例的边缘检测可以是基于边缘检测算子实现的,其中,边缘检测算子可以是索贝尔sobel算子、可以是拉普拉斯Laplacian算子等,本公开对此不作具体限定。
将参考视频帧中的每个参考图像块转换为灰度图,利用边缘检测算子对每个参考图像块的灰度图进行边缘检测,得到每个参考图像块的图像块边缘值。
针对任意一个参考图像块,根据该参考图像块的图像块边缘值f(x,y),以及该参考图像块的灰度图对应的平均灰度值μ,可以基于下述公式(1),确定该参考图像块的边缘值方差D(f)。
D(f)=∑y∑x|f(x,y)-μ|2 (1)。
将每个参考图像块的边缘值方差确定为每个参考图像块的边缘检测结果。
基于参考视频帧,对视频流中后续视频帧在时序上依次进行遮挡检测。
针对视频流中图像采集时刻在参考视频帧之后的当前视频帧,按照与参考视频帧相同的预设图像分块规则对当前视频帧进行图像分块,得到当前视频帧中的多个待检测图像块。其中,当前视频帧中的多个待检测图像块,与参考视频帧中的多个参考图像块,在图像块位置分布上一一对应。
利用图像直方图,对当前视频帧进行初步遮挡检测,确定当前视频帧中每个待检测图像块的图像直方图。
图3示出根据本公开实施例的待检测图像块及其图像直方图的示意图。如图3所示,针对当前视频帧中的一个待检测图像块,确定该待检测图像块基于RGB颜色空间的图像颜色直方图,分别包括RGB三个颜色通道的直方图。
将当前视频帧中每个待检测图像块的图像直方图,与参考视频帧中对应的每个参考图像块的图像直方图进行对比,确定当前视频帧中是否存在相对于参考视频帧出现图像直方图变化异常的目标待检测图像块。
在一种可能的实现方式中,根据当前视频帧中多个待检测图像块的图像特征统计图,与参考视频帧中多个参考图像块的图像特征统计图,确定当前视频帧中是否存在相对于参考视频帧出现图像特征统计图变化异常的目标待检测图像块,包括:确定当前视频帧中每个待检测图像块的图像特征统计图,与参考视频帧中对应的每个参考图像块的图像特征统计图之间的相似度;在存在相似度低于相似度阈值的待检测图像块的情况下,将相似度低于相似度阈值的待检测图像块,确定为目标待检测图像块。
针对当前视频帧中的任意一个待检测图像块,确定该待检测图像块的图像直方图,与参考视频帧中对应的参考图像块的图像直方图之间的直方图相似度,进而基于直方图相似度,可以有效确定是否出现图像直方图变化异常。
在一种可能的实现方式中,可以基于相关性比较(Correlation)算法确定两个图像直方图之间的直方图相似度。
例如,当前视频帧中一个待检测图像块的图像直方图是H1,参考视频帧中对应的参考图像块的图像直方图是H2,则可以利用下述相关性比较算法公式(2),确定待检测图像块的图像直方图H1,与参考视频帧中对应的参考图像块的图像直方图H2之间的直方图相似度d(H1,H2)。
在一种可能的实现方式中,还可以基于卡方比较(Chi-Square)算法、十字交叉性(Intersection)算法、巴氏距离(Bhattacharyya distance)算法等,确定两个图像直方图之间的直方图相似度,本公开对此不作具体限定。
基于当前视频帧中每个待检测图像块的图像直方图,与参考视频帧中对应的每个参考图像块的图像直方图的直方图相似度,确定当前视频帧中是否存在直方图相似度低于相似度阈值的待检测图像块。相似度阈值的具体取值可以根据实际情况设置,例如,相似度阈值是0.7,本公开对此不作具体限定。
在一种可能的实现方式中,该遮挡检测方法还包括:在确定当前视频帧中不存在目标待检测图像块的情况下,确定当前视频帧之前第二采集时长内的各视频帧内,是否均不存在相对于参考视频帧出现图像特征统计图变化异常的目标待检测图像块;在确定当前视频帧之前第二采集时长内的各视频帧内,均不存在相对于参考视频帧出现图像特征统计图变化异常的目标待检测图像块的情况下,将当前视频帧,确定为更新后的参考视频帧。
在当前视频帧中不存在直方图相似度低于相似度阈值的待检测图像块的情况下,可以说明当前视频帧中的每个待检测图像块,相对于参考视频帧中对应的每个参考图像块,均未出现图像直方图变化异常。也就是说,利用图像直方图对当前视频帧进行初步遮挡检测的检测结果是,图像采集设备不存在遮挡。
进而,确定当前视频帧之前第二采集时长内的各视频帧内,是否均不存在相对于参考视频帧出现直方图变化异常的目标待检测图像块,也即利用图像直方图对当前时刻之前第二采集时长内的各视频帧进行初步遮挡检测的结果是,图像采集设备在当前时刻之前第二采集时长内均不存在遮挡。第二采集时长的具体取值可以根据实际情况设置,本公开对此不作具体限定。
此时,可以将当前视频帧更新为参考视频帧,用于作为对后续视频帧进行遮挡检测的参考。通过定期更新参考视频帧,降低由于光照变化等因素对参考视频帧的影响,以提高参考视频帧的可参考性,进而有效提高遮挡检测的准确度。
在一种可能的实现方式中,在当前视频帧中存在直方图相似度低于相似度阈值的待检测图像块的情况下,可以说明当前视频帧中的该待检测图像块,相对于参考视频帧中对应的参考图像块,出现了图像直方图变化异常,则将该待检测图像块确定为目标待检测图像块。
当前视频帧中存在相对于参考视频帧出现图像直方图变化异常的目标待检测图像块,可以指示利用图像直方图对当前视频帧进行初步遮挡检测的检测结果是,图像采集设备中目标待检测图像块对应的采集区域可能存在遮挡。
但是,由于图像直方图仅能反映图像特征的频数统计分布,无法反映图像特征的空间位置分布,因此,基于图像直方图进行初步遮挡检测的检测结果,可能存在由于前景变化或短时间光照变化导致图像直方图变化异常造成遮挡误检测。因此,在基于图像直方图进行初步遮挡检测,确定当前视频帧中存在相对于参考视频帧出现图像直方图变化异常的目标待检测图像块的情况下,利用边缘检测对目标待检测图像块进一步进行遮挡检测,以提高检测结果的准确度。
相比于直接利用边缘检测对当前视频帧进行遮挡检测的方式,本公开实施例基于图像直方图进行初步遮挡检测,提取当前视频帧中可能存在遮挡的目标待检测图像块,进而仅利用边缘检测对目标待检测图像块进一步进行遮挡检测,从而可以有效降低遮挡检测的算力需求,提高遮挡检测效率。
在一种可能的实现方式中,对目标待检测图像块进行边缘检测,得到目标待检测图像块的边缘检测结果,包括:对目标待检测图像块进行图像灰度转换,得到目标待检测图像块的灰度图;对灰度图进行边缘检测,确定目标待检测图像块的图像块边缘值;根据图像块边缘值和灰度图对应的平均灰度值,确定目标待检测图像块的边缘值方差;将目标待检测图像块的边缘值方差,确定为边缘检测结果。
其中,对目标待检测图像块的灰度图进行边缘检测时,采用与对参考图像帧中对应的参考图像块进行边缘检测时相同的边缘检测算子。
在一示例中,在确定目标待检测图像块的图像块边缘值f'(x,y),以及目标待检测图像块的灰度图对应的平均灰度值μ'之后,可以基于下述公式(2),确定目标待检测图像块的边缘值方差D'(f)。目标待检测图像块的边缘值方差D'(f),是目标待检测图像块的边缘检测结果。
由于目标待检测图像块的边缘值方差,可以反映目标待检测图像块的图像模糊度,因此,可以将目标待检测图像块的边缘值方差,确定为目标待检测图像块的边缘检测结果,用于后续确定是否由于图像采集设备存在遮挡导致目标待检测图像块出现图像模糊。
在一种可能的实现方式中,根据边缘检测结果,确定采集当前视频帧的图像采集设备是否存在遮挡,包括:根据目标待检测图像块的边缘值方差,以及参考视频帧中对应的参考图像块的边缘值方差,确定目标待检测图像块是否相对于参考视频帧中对应的参考图像块出现边缘值方差剧减;在确定目标待检测图像块出现边缘值方差剧减的情况下,确定图像采集设备中目标待检测图像块对应的采集区域存在遮挡。
在目标待检测图像块相对于参考视频帧中对应的参考图像块出现边缘值剧减的情况下,可以说明相对于参考帧中对应的参考图像块,当前视频帧中的目标待检测图像块出现了图像模糊,此时,利用边缘检测对目标待检测图像块进一步进行遮挡检测是,图像采集设备中目标待检测图像块对应的采集区域存在局部遮挡。
在目标待检测图像块相对于参考视频帧中对应的参考图像块并未出现边缘值剧减的情况下,可以说明相对于参考帧中对应的参考图像块,当前视频帧中的目标待检测图像块并未出现图像模糊,此时,利用边缘检测进一步进行遮挡检测的结果是,图像采集设备中目标待检测图像块对应的采集区域不存在局部遮挡。
针对当前视频帧,在当前视频帧中不存在出现边缘值剧减的目标待检测图像块的情况下,可以说明利用边缘检测进一步进行遮挡检测是,图像采集设备整体上均不存在遮挡。此时,继续对当前时刻之后的下一采集时刻的视频帧进行遮挡检测。
在一种可能的实现方式中,根据目标待检测图像块的边缘值方差,以及参考视频帧中对应的参考图像块的边缘值方差,确定目标待检测图像块是否相对于参考视频帧中对应的参考图像块出现边缘值方差剧减,包括:确定目标待检测图像块的边缘值方差,与参考视频帧中对应的参考图像块的边缘值方差之间的边缘值方差比例;在边缘值方差比例低于方差比例阈值的情况下,确定目标待检测图像块出现边缘值方差剧减。
利用目标待检测图像块的边缘值方差,与参考视频帧中对应的参考图像块的边缘值方差之间的边缘值方差比例,以及方差比例阈值,可以快速确定目标待检测图像块是否出现边缘值方差剧减。方差比例阈值的具体取值可以根据实际情况确定,例如,方差比例阈值是0.2,本公开对此不作具体限定。
例如,目标待检测图像块的边缘值方差是D'(f),参考视频帧中对应的参考图像块的边缘值方差之间的边缘值方差是D(f),在二者之间的边缘值方差比例低于方差比例阈值是0.2,则确定目标待检测图像块相对于参考视频帧中对应的参考图像块,出现边缘值方差剧减。
确定是否出现边缘值方差剧减的方式,除了可以利用上述边缘值方差比例是否低于方差比例阈值的方式之外,还可以根据实际情况利用其它方式判断,本公开对此不作具体限定。
在一种可能的实现方式中,基于上述边缘方差剧减的判断方式,还可以检测图像采集设备是否出现镜头异常状态。即在确定目标待检测图像块出现边缘值方差剧减的情况下,但是图像采集设备中目标待检测图像块对应的采集区域并不存在遮挡的情况下,可以考虑图像采集设备是否出现镜头失焦、花屏、黑屏等镜头异常状态。
在一种可能的实现方式中,该遮挡检测方法还包括:确定当前视频帧之后第一采集时长内的各视频帧内,是否均存在相对于参考视频帧出现图像特征统计图变化异常且边缘值方差剧减的目标待检测图像块;在确定当前视频帧之后第一采集时长内的各视频帧内,均存在相对于参考视频帧出现图像特征统计图变化异常且边缘值方差剧减的目标待检测图像块的情况下,生成遮挡告警信息。
由于单次检测可能存在误检,为了降低基于单次检测进行误报率,在基于当前视频帧进行遮挡检测,确定图像采集设备存在遮挡之后,进一步在当前视频帧之后第一采集时长内的各视频帧内持续进行检测,确定基于当前视频帧之后第一采集时长内的各视频帧,是否持续检测到图像采集设备存在遮挡,若是持续检测到图像采集设备存在遮挡,则生成遮挡告警信息,从而实现对图像采集设备存在遮挡的有效遮挡告警,从而精准促发后续的图像采集设备维护流程。
第一采集时长的具体取值可以根据实际情况确定,例如,第一采集时长是10s,本公开对此不作具体限定。
在一种可能的实现方式中,在确定当前视频帧之后第一采集时长内的各视频帧内,均存在相对于参考视频帧出现图像特征统计图变化异常且边缘值方差剧减的目标待检测图像块的情况下,生成遮挡告警信息,包括:根据出现图像特征统计图变化异常且边缘值方差剧减的目标待检测图像块,确定图像采集设备的遮挡区域占比;在遮挡区域占比高于遮挡区域占比阈值的情况下,生成遮挡告警信息。
根据出现图像直方图变化异常且边缘值方差剧减的目标待检测图像块,确定图像采集设备的遮挡区域占比。
例如,当前视频帧包括9个待检测图像块,其中包括出现图像直方图变化异常且边缘值方差剧减的2目标待检测图像块,则可以确定图像采集设备的遮挡区域占比是2/9=22.2%。
在遮挡区域占比高于遮挡区域占比阈值的情况下,可以反映当前遮挡已经影响图像采集设备的正常工作,此时,生成遮挡告警信息,从而实现对图像采集设备存在遮挡的有效遮挡告警,避免当前遮挡并未影响图像采集设备的正常工作时进行遮挡告警造成的维护资源浪费。
其中,遮挡区域占比阈值的具体取值可以根据实际情况确定,例如,遮挡区域占比阈值是30%,本公开对此不作具体限定。
在一种可能的实现方式中,在生成告警信息之后,表明图像采集设备当前存在遮挡,因此,不再对参考视频帧进行定期更新,以避免将存在遮挡的图像采集设备采集的视频帧确定为参考视频帧,直至告警解除。
其中,告警解除表示已经对存在遮挡的图像采集设备进行维护,告警解除后的图像采集设备不存在遮挡。
在一种可能的实现方式中,遮挡检测的初始化阶段,将图像采集设备采集的第1个视频帧确定为参考视频帧之后,如果在第1个视频帧之后第三采集时长内的各视频帧中,每个待检测图像块的图像直方图、图像块边缘值、图像块边缘值方差等均持续不变,则可以确定在遮挡检测开始之前,图像采集设备已经存在遮挡。
图4示出根据本公开实施例的一种遮挡检测系统的流程图。如图4所示,该遮挡检测系统包括:
在步骤S401中,获取图像采集设备采集的视频流。
在步骤S402中,确定参考视频帧,以及参考视频帧中每个参考图像块的图像直方图和边缘值方差。
对参考视频帧进行图像分块,以及确定参考视频帧中每个参考图像块的图像直方图和边缘值方差的过程,可以参考上述实施例中相关部分的详细描述,此处不作赘述。
在步骤S403中,对视频流中采集时刻在参考视频帧的采集时刻之后的各视频帧实时进行遮挡检测。
在步骤S404中,确定当前视频帧中是否存在相对于参考视频帧出现图像直方图变化异常的目标待检测图像块。若是,则跳转至步骤S405;若否,则跳转至步骤S409。
确定当前视频帧中是否存在相对于参考视频帧出现图像直方图变化异常的目标待检测图像块的过程,可以参考上述实施例中相关部分的详细描述,此处不作赘述。
在步骤S405中,提取目标待检测图像块的边缘值方差。
提取目标待检测图像块的边缘值方差的过程,可以参考上述实施例中相关部分的详细描述,此处不作赘述。
在步骤S406中,根据目标待检测图像块的边缘值方差,以及参考视频帧中对应的参考图像块的边缘值方差,确定目标待检测图像块是否相对于参考视频帧中对应的参考图像块出现边缘值方差剧减。若是,则跳转执行步骤S407;若否,则跳转执行步骤S411。
确定目标待检测图像块是否相对于参考视频帧中对应的参考图像块出现边缘值方差剧减的过程,可以参考上述实施例中相关部分的详细描述,此处不作赘述。
在步骤S407中,确定当前视频帧之后第一采集时长内的各视频帧内,是否持续存在相对于参考视频帧出现图像直方图变化异常且边缘值方差剧减的目标待检测图像块。若是,则跳转执行步骤S408;若否,则跳转执行步骤S411。
在步骤S408中,生成告警信息。
在步骤S409中,确定当前视频帧之前第二采集时长内的各视频帧内,是否持续不存在相对于参考视频帧出现图像直方图变化异常的目标待检测图像块。若是,则跳转执行步骤S410;若否,则跳转执行步骤S411。
在步骤S410中,将当前视频帧更新为参考视频帧,并跳转执行上述步骤S403。
在步骤S411中,将下一采集时刻的视频帧确定为当前视频帧,并跳转执行上述步骤S404。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外,本公开还提供了遮挡检测装置、电子设备、计算机可读存储介质、程序,上述均可用来实现本公开提供的任一种遮挡检测方法,相应技术方案和描述和参见方法部分的相应记载,不再赘述。
图5示出根据本公开实施例的一种遮挡检测装置的框图。如图5所示,遮挡检测装置50包括:
第一确定模块51,用于根据当前视频帧中多个待检测图像块的图像特征统计图,与参考视频帧中多个参考图像块的图像特征统计图,确定当前视频帧中是否存在相对于参考视频帧出现图像特征统计图变化异常的目标待检测图像块;
边缘检测模块52,用于在确定当前视频帧中存在目标待检测图像块的情况下,对目标待检测图像块进行边缘检测,得到目标待检测图像块的边缘检测结果;
第二确定模块53,用于根据边缘检测结果,确定采集当前视频帧的图像采集设备是否存在遮挡。
在一种可能的实现方式中,第一确定模块51,具体用于:
确定当前视频帧中每个待检测图像块的图像特征统计图,与参考视频帧中对应的每个参考图像块的图像特征统计图之间的相似度;
在存在相似度低于相似度阈值的待检测图像块的情况下,将相似度低于相似度阈值的待检测图像块,确定为目标待检测图像块。
在一种可能的实现方式中,边缘检测模块52,具体用于:
对目标待检测图像块进行图像灰度转换,得到目标待检测图像块的灰度图;
对灰度图进行边缘检测,确定目标待检测图像块的图像块边缘值;
根据图像块边缘值和灰度图对应的平均灰度值,确定目标待检测图像块的边缘值方差;
将目标待检测图像块的边缘值方差,确定为边缘检测结果。
在一种可能的实现方式中,第二确定模块53,包括:
第一确定子模块,用于根据目标待检测图像块的边缘值方差,以及参考视频帧中对应的参考图像块的边缘值方差,确定目标待检测图像块是否相对于参考视频帧中对应的参考图像块出现边缘值方差剧减;
第二确定子模块,用于在确定目标待检测图像块出现边缘值方差剧减的情况下,确定图像采集设备中目标待检测图像块对应的采集区域存在遮挡。
在一种可能的实现方式中,第一确定子模块,具体用于:
确定目标待检测图像块的边缘值方差,与参考视频帧中对应的参考图像块的边缘值方差之间的边缘值方差比例;
在边缘值方差比例低于方差比例阈值的情况下,确定目标待检测图像块出现边缘值方差剧减。
在一种可能的实现方式中,遮挡检测装置50,还包括:
第三确定模块,用于确定当前视频帧之后第一采集时长内的各视频帧内,是否均存在相对于参考视频帧出现图像特征统计图变化异常且边缘值方差剧减的目标待检测图像块;
生成模块,用于在确定当前视频帧之后第一采集时长内的各视频帧内,均存在相对于参考视频帧出现图像特征统计图变化异常且边缘值方差剧减的目标待检测图像块的情况下,生成遮挡告警信息。
在一种可能的实现方式中,生成模块,包括:
第三确定子模块,用于根据出现图像特征统计图变化异常且边缘值方差剧减的目标待检测图像块,确定图像采集设备的遮挡区域占比;
生成子模块,用于在遮挡区域占比高于遮挡区域占比阈值的情况下,生成遮挡告警信息。
在一种可能的实现方式中,遮挡检测装置50,还包括:
第四确定模块,用于在确定当前视频帧中不存在目标待检测图像块的情况下,确定当前视频帧之前第二采集时长内的各视频帧内,是否均不存在相对于参考视频帧出现图像特征统计图变化异常的目标待检测图像块;
更新模块,用于在确定当前视频帧之前第二采集时长内的各视频帧内,均不存在相对于参考视频帧出现图像特征统计图变化异常的目标待检测图像块的情况下,将当前视频帧,确定为更新后的参考视频帧。
在一种可能的实现方式中,图像特征统计图为图像直方图。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
本公开实施例还提出一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是易失性或非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
本公开实施例还提供了一种计算机程序产品,包括计算机可读代码,或者承载有计算机可读代码的非易失性计算机可读存储介质,当所述计算机可读代码在电子设备的处理器中运行时,所述电子设备中的处理器执行上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图6示出根据本公开实施例的一种电子设备的框图。参照图6,电子设备800可以是用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等终端设备。
参照图6,电子设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)接口812,传感器组件814,以及通信组件816。
处理组件802通常控制电子设备800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到电子设备800的打开/关闭状态,组件的相对定位,例如所述组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如互补金属氧化物半导体(CMOS)或电荷耦合装置(CCD)图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如无线网络(Wi-Fi)、第二代移动通信技术(2G)、第三代移动通信技术(3G)、第四代移动通信技术(4G)、通用移动通信技术的长期演进(LTE)、第五代移动通信技术(5G)或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
本公开涉及增强现实领域,通过获取现实环境中的目标对象的图像信息,进而借助各类视觉相关算法实现对目标对象的相关特征、状态及属性进行检测或识别处理,从而得到与具体应用匹配的虚拟与现实相结合的AR效果。示例性的,目标对象可涉及与人体相关的脸部、肢体、手势、动作等,或者与物体相关的标识物、标志物,或者与场馆或场所相关的沙盘、展示区域或展示物品等。视觉相关算法可涉及视觉定位、SLAM、三维重建、图像注册、背景分割、对象的关键点提取及跟踪、对象的位姿或深度检测等。具体应用不仅可以涉及跟真实场景或物品相关的导览、导航、讲解、重建、虚拟效果叠加展示等交互场景,还可以涉及与人相关的特效处理,比如妆容美化、肢体美化、特效展示、虚拟模型展示等交互场景。可通过卷积神经网络,实现对目标对象的相关特征、状态及属性进行检测或识别处理。上述卷积神经网络是基于深度学习框架进行模型训练而得到的网络模型。
图7示出根据本公开实施例的一种电子设备的框图。参照图7,电子设备1900可以被提供为一服务器。参照图7,电子设备1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统,例如微软服务器操作系统(Windows ServerTM),苹果公司推出的基于图形用户界面操作系统(Mac OSXTM),多用户多进程的计算机操作系统(UnixTM),自由和开放原代码的类Unix操作系统(LinuxTM),开放原代码的类Unix操作系统(FreeBSDTM)或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是(但不限于)电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software Development Kit,SDK)等等。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (12)
1.一种遮挡检测方法,其特征在于,包括:
根据当前视频帧中多个待检测图像块的图像特征统计图,与参考视频帧中多个参考图像块的图像特征统计图,确定所述当前视频帧中是否存在相对于所述参考视频帧出现图像特征统计图变化异常的目标待检测图像块;
在确定所述当前视频帧中存在所述目标待检测图像块的情况下,对所述目标待检测图像块进行边缘检测,得到所述目标待检测图像块的边缘检测结果;
根据所述边缘检测结果,确定采集所述当前视频帧的图像采集设备是否存在遮挡。
2.根据权利要求1所述的方法,其特征在于,所述根据当前视频帧中多个待检测图像块的图像特征统计图,与参考视频帧中多个参考图像块的图像特征统计图,确定所述当前视频帧中是否存在相对于所述参考视频帧出现图像特征统计图变化异常的目标待检测图像块,包括:
确定所述当前视频帧中每个待检测图像块的图像特征统计图,与所述参考视频帧中对应的每个参考图像块的图像特征统计图之间的相似度;
在存在相似度低于相似度阈值的待检测图像块的情况下,将相似度低于所述相似度阈值的待检测图像块,确定为所述目标待检测图像块。
3.根据权利要求1或2所述的方法,其特征在于,所述对所述目标待检测图像块进行边缘检测,得到所述目标待检测图像块的边缘检测结果,包括:
对所述目标待检测图像块进行图像灰度转换,得到所述目标待检测图像块的灰度图;
对所述灰度图进行边缘检测,确定所述目标待检测图像块的图像块边缘值;
根据所述图像块边缘值和所述灰度图对应的平均灰度值,确定所述目标待检测图像块的边缘值方差;
将所述目标待检测图像块的边缘值方差,确定为所述边缘检测结果。
4.根据权利要求3所述的方法,其特征在于,所述根据所述边缘检测结果,确定采集所述当前视频帧的图像采集设备是否存在遮挡,包括:
根据所述目标待检测图像块的边缘值方差,以及所述参考视频帧中对应的参考图像块的边缘值方差,确定所述目标待检测图像块是否相对于所述参考视频帧中对应的参考图像块出现边缘值方差剧减;
在确定所述目标待检测图像块出现边缘值方差剧减的情况下,确定所述图像采集设备中所述目标待检测图像块对应的采集区域存在遮挡。
5.根据权利要求4所述的方法,其特征在于,所述根据所述目标待检测图像块的边缘值方差,以及所述参考视频帧中对应的参考图像块的边缘值方差,确定所述目标待检测图像块是否相对于所述参考视频帧中对应的参考图像块出现边缘值方差剧减,包括:
确定所述目标待检测图像块的边缘值方差,与所述参考视频帧中对应的参考图像块的边缘值方差之间的边缘值方差比例;
在所述边缘值方差比例低于方差比例阈值的情况下,确定所述目标待检测图像块出现边缘值方差剧减。
6.根据权利要求4或5所述的方法,其特征在于,所述方法还包括:
确定所述当前视频帧之后第一采集时长内的各视频帧内,是否均存在相对于所述参考视频帧出现图像特征统计图变化异常且边缘值方差剧减的所述目标待检测图像块;
在确定所述当前视频帧之后所述第一采集时长内的各视频帧内,均存在相对于所述参考视频帧出现图像特征统计图变化异常且边缘值方差剧减的所述目标待检测图像块的情况下,生成遮挡告警信息。
7.根据权利要求6所述的方法,其特征在于,所述在确定所述当前视频帧之后所述第一采集时长内的各视频帧内,均存在相对于所述参考视频帧出现图像特征统计图变化异常且边缘值方差剧减的所述目标待检测图像块的情况下,生成遮挡告警信息,包括:
根据出现图像特征统计图变化异常且边缘值方差剧减的所述目标待检测图像块,确定所述图像采集设备的遮挡区域占比;
在所述遮挡区域占比高于遮挡区域占比阈值的情况下,生成所述遮挡告警信息。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在确定所述当前视频帧中不存在所述目标待检测图像块的情况下,确定所述当前视频帧之前第二采集时长内的各视频帧内,是否均不存在相对于所述参考视频帧出现图像特征统计图变化异常的所述目标待检测图像块;
在确定所述当前视频帧之前所述第二采集时长内的各视频帧内,均不存在相对于所述参考视频帧出现图像特征统计图变化异常的所述目标待检测图像块的情况下,将所述当前视频帧,确定为更新后的参考视频帧。
9.根据权利要求1至8中任意一项所述的方法,其特征在于,所述图像特征统计图为图像直方图。
10.一种遮挡检测装置,其特征在于,包括:
第一确定模块,用于根据当前视频帧中多个待检测图像块的图像特征统计图,与参考视频帧中多个参考图像块的图像特征统计图,确定所述当前视频帧中是否存在相对于所述参考视频帧出现图像特征统计图变化异常的目标待检测图像块;
边缘检测模块,用于在确定所述当前视频帧中存在所述目标待检测图像块的情况下,对所述目标待检测图像块进行边缘检测,得到所述目标待检测图像块的边缘检测结果;
第二确定模块,用于根据所述边缘检测结果,确定采集所述当前视频帧的图像采集设备是否存在遮挡。
11.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为调用所述存储器存储的指令,以执行权利要求1至9中任意一项所述的方法。
12.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至9中任意一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111512423.8A CN114187498A (zh) | 2021-12-08 | 2021-12-08 | 遮挡检测方法及装置、电子设备和存储介质 |
PCT/CN2022/095516 WO2023103298A1 (zh) | 2021-12-08 | 2022-05-27 | 遮挡检测方法及装置、电子设备、存储介质及计算机程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111512423.8A CN114187498A (zh) | 2021-12-08 | 2021-12-08 | 遮挡检测方法及装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114187498A true CN114187498A (zh) | 2022-03-15 |
Family
ID=80604538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111512423.8A Pending CN114187498A (zh) | 2021-12-08 | 2021-12-08 | 遮挡检测方法及装置、电子设备和存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114187498A (zh) |
WO (1) | WO2023103298A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114782984A (zh) * | 2022-03-25 | 2022-07-22 | 珠海视熙科技有限公司 | 一种基于tof相机的坐姿识别遮挡判定方法及智能台灯 |
CN116156157A (zh) * | 2023-04-24 | 2023-05-23 | 长沙海信智能系统研究院有限公司 | 一种摄像头遮挡异常的检测方法及电子设备 |
WO2023103298A1 (zh) * | 2021-12-08 | 2023-06-15 | 上海商汤智能科技有限公司 | 遮挡检测方法及装置、电子设备、存储介质及计算机程序产品 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102231223B (zh) * | 2011-06-02 | 2013-05-01 | 深圳中兴力维技术有限公司 | 一种用于摄像机的异物遮挡告警方法 |
US9349189B2 (en) * | 2013-07-01 | 2016-05-24 | Here Global B.V. | Occlusion resistant image template matching using distance transform |
CN107316312A (zh) * | 2017-06-30 | 2017-11-03 | 深圳信路通智能技术有限公司 | 一种视频图像遮挡检测方法及系统 |
CN111027398A (zh) * | 2019-11-14 | 2020-04-17 | 深圳市有为信息技术发展有限公司 | 行车记录仪视频遮挡检测方法 |
CN111723644A (zh) * | 2020-04-20 | 2020-09-29 | 北京邮电大学 | 一种监控视频遮挡检测方法及系统 |
CN113052147B (zh) * | 2021-04-30 | 2023-04-25 | 北京邮电大学 | 一种行为识别方法及装置 |
CN113379705B (zh) * | 2021-06-09 | 2022-11-15 | 苏州智加科技有限公司 | 图像处理方法、装置、计算机设备及存储介质 |
CN114187498A (zh) * | 2021-12-08 | 2022-03-15 | 上海商汤智能科技有限公司 | 遮挡检测方法及装置、电子设备和存储介质 |
-
2021
- 2021-12-08 CN CN202111512423.8A patent/CN114187498A/zh active Pending
-
2022
- 2022-05-27 WO PCT/CN2022/095516 patent/WO2023103298A1/zh unknown
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023103298A1 (zh) * | 2021-12-08 | 2023-06-15 | 上海商汤智能科技有限公司 | 遮挡检测方法及装置、电子设备、存储介质及计算机程序产品 |
CN114782984A (zh) * | 2022-03-25 | 2022-07-22 | 珠海视熙科技有限公司 | 一种基于tof相机的坐姿识别遮挡判定方法及智能台灯 |
CN114782984B (zh) * | 2022-03-25 | 2022-11-25 | 珠海视熙科技有限公司 | 一种基于tof相机的坐姿识别遮挡判定方法及智能台灯 |
CN116156157A (zh) * | 2023-04-24 | 2023-05-23 | 长沙海信智能系统研究院有限公司 | 一种摄像头遮挡异常的检测方法及电子设备 |
CN116156157B (zh) * | 2023-04-24 | 2023-08-18 | 长沙海信智能系统研究院有限公司 | 一种摄像头遮挡异常的检测方法及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2023103298A1 (zh) | 2023-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110348537B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN109522910B (zh) | 关键点检测方法及装置、电子设备和存储介质 | |
CN109948494B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN107692997B (zh) | 心率检测方法及装置 | |
CN110569777B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN114187498A (zh) | 遮挡检测方法及装置、电子设备和存储介质 | |
CN112465843A (zh) | 图像分割方法及装置、电子设备和存储介质 | |
CN111104920B (zh) | 视频处理方法及装置、电子设备和存储介质 | |
CN110532957B (zh) | 人脸识别方法及装置、电子设备和存储介质 | |
CN110532956B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN109543536B (zh) | 图像标识方法及装置、电子设备和存储介质 | |
CN111553864A (zh) | 图像修复方法及装置、电子设备和存储介质 | |
CN107886515B (zh) | 利用光流场的图像分割方法及装置 | |
CN111523346B (zh) | 图像识别方法及装置、电子设备和存储介质 | |
CN112184787A (zh) | 图像配准方法及装置、电子设备和存储介质 | |
CN111192218A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN112270288A (zh) | 活体识别、门禁设备控制方法和装置、电子设备 | |
CN111860373B (zh) | 目标检测方法及装置、电子设备和存储介质 | |
CN113139471A (zh) | 目标检测方法及装置、电子设备和存储介质 | |
CN112085097A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111680646A (zh) | 动作检测方法及装置、电子设备和存储介质 | |
CN114088061A (zh) | 目标定位方法及装置、电子设备和存储介质 | |
CN112016443A (zh) | 同行识别方法及装置、电子设备和存储介质 | |
CN114445753A (zh) | 人脸跟踪识别方法及装置、电子设备和存储介质 | |
CN112330717A (zh) | 目标跟踪方法及装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40062733 Country of ref document: HK |